Montrealissa Insilico Medicine -kehittäjätiimi käyttää tekoälyn voimaa elintärkeiden lääkkeiden etsimisen nopeuttamisessa. Tohtori Petrina Kamyan johdolla tiimi pyrkii hyödyntämään tekoälyn potentiaalia lääketeollisuudessa, jossa lääkkeiden kehittämis- ja testausprosessi voi olla resurssi-intensiivistä ja aikaa vievää.
Hongkongissa päämajaansa pitävä bioteknologiayritys Insilico Medicine valitsi Montrealin tutkimuskeskuksensa sijainniksi kaupungin syvien juurien lääketieteellisessä tutkimuksessa ja asemansa tekoälyn nousun lähtölaukauksena. Tohtori Kamya, maailmanlaajuisen tekoälyalustan johtaja, tunnistaa Montrealin ekosysteemin kasvun ja integraation potentiaalin.
Perinteisten lääkkeiden löytämismenetelmien sijaan Insilico Medicine’n algoritmit käyttävät ”monimuotoista” lähestymistapaa, joka sisältää julkaistujen kirjallisuuden ja apurahahakemusten tulosten analysoinnin lupaavia lääkekandidaatteja tunnistettaessa. Tämä lähestymistapa mahdollistaa monimutkaisen terapeuttien mahdollisuuksien maiseman navigoinnin ja löytöprosessin nopeuttamisen.
Vaikka tekoälyn ohjauksessa tapahtuva lääkkeiden löytäminen tarjoaa mahdollisuuden nopeampaan kliiniseen kehittämiseen, tohtori Kamya korostaa realististen odotusten säilyttämisen tärkeyttä. Vaikka tekoälyalgoritmit voivat auttaa tunnistamaan mahdollisia lääkkeitä tehokkaammin, on elintärkeää todistaa niiden tehokkuus kliinisissä kokeissa.
Tekoälyn merkittävää asemaa lääketieteellisenä työkaluna korostettiin vuonna 2020, kun Google DeepMindin kehittämä AlphaFold 2 -algoritmi hallitsi proteiinin rakenteen ennustuskilpailua. Tämä läpimurto on luonut edellytykset edistymiselle proteiinien muotojen ja toimintojen ymmärtämisessä, mikä on keskeistä kohdennettujen hoitojen kehittämisessä sairauksiin.
Eräs merkittävä este tekoälyn ohjaamalle lääkkeiden löytämiselle on julkisten tietojen puute algoritmien kouluttamiseksi. Toisin kuin kielialgoritmit, jotka voivat oppia internetin teksteistä, tai proteiininmuodon ennustusalgoritmit, jotka käyttävät julkista tietokantaa, lääkkeiden löytämisalgoritmeilla ei ole kattavaa tietokantaa relevantista tiedosta.
Tämän haasteen voittamiseksi Structural Genomics Consortium ja Princess Margaret Cancer Centre ovat käynnistäneet CACHE-kilpailun. CASP-kilpailun inspiroimana CACHE-kilpailun tavoitteena on kannustaa ja tunnistaa onnistuneita lähestymistapoja uusien lääkkeiden löytämiseen laskennallisten työkalujen avulla. Kilpailu tarjoaa kilpailijoille proteiinikohteita löytää pieniä molekyylejä tai ”osumia” potentiaalisiin hoitoihin.
Montrealin vireä tekoäly- ja lääketutkimusyhteisö, yhdessä CACHE-kilpailun kaltaisten aloitteiden kanssa, asettavat kaupungin johtavaksi keskukseksi tekoälyn ohjaamalle lääkkeiden löytämiselle. Tekoälyn jatkaessa terveydenhuoltoalan vallankumousta, merkittävien edistysaskelien mahdollisuus lääkkeiden kehittämisessä ja potilashoidossa on ulottuvillamme.
The source of the article is from the blog windowsvistamagazine.es